Restauration d'images avec un "Deep Image Prior"
La méthode "Deep Image Prior" permet de résoudre des problèmes inverses d'imagerie en utilisant un prior encodé directement par l'architecture d'un réseau convolutionnel.
L'objectif du projet est d'étudier l'impact sur la qualité des images restaurées des trois aspects suivants :
le choix du réseau (architecture, profondeur)
l'algorithme d'optimisation
le pas de descente
On pourra également refaire des expériences d'échantillonnage du Deep Image Prior (comme présenté dans la figure 5 de l'article long) avec des architectures récentes.
Enfin, on réfléchira aux liens avec les articles récents (e.g. [2]) montrant que pour certains réseaux de neurones l'entraînement par SGD favorise des solutions particulièrement régulières.
[1] Deep Image Prior
Dmitry Ulyanov, Andrea Vedaldi, Victor Lempitsky
Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018, pp. 9446-9454
[2]The Implicit Bias of Minima Stability: A View from Function Space,
R. Mulayoff et al., Neurips 2021
Code
